超级会员免费看
本文深入探讨了两种不常见的损失函数——NRMSELoss和RRMSELoss。NRMSE通过归一化处理，使得误差在0-1之间，而RRMSE是RMSE的变体，用于相对误差评估。两者在特定情况下有其应用价值。
损失函数总结（十六）：MSLELoss、RMSLELoss
1 引言
在前面的文章中已经介绍了介绍了一系列损失函数 (L1Loss、MSELoss、BCELoss、CrossEntropyLoss、NLLLoss、CTCLoss、PoissonNLLLoss、GaussianNLLLoss、KLDivLoss、BCEWithLogitsLoss、MarginRankingLoss、HingeEmbeddingLoss、MultiMarginLoss、MultiLabelMarginLoss、SoftMarginLoss、MultiLabelSoftMarginLoss、TripletMarginLoss、TripletMarginWithDistanceLoss、Huber Loss、SmoothL1Loss、MBELoss、RAELoss、RSELoss、MAPELoss、RMSELoss、LogCosh Loss、MSLELoss、
订阅专栏 解锁全文
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
